MétaCan
Menu
Retour à la cohorte
Enregistrement W2983173956 · doi:10.1021/acs.energyfuels.9b02188

Atmospheric Lead Emissions from Coal-Fired Power Plants with Different Boilers and APCDs in Guizhou, Southwest China

2019· article· en· W2983173956 sur OpenAlexaff
Xinyu Li, Xiangyang Bi, Zhonggen Li, Leiming Zhang, Shan Li, Ji Chen, Xinbin Feng, Xuewu Fu

Notice bibliographique

RevueEnergy & Fuels · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoal and Its By-products
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesK. C. Wong Education FoundationHuaqiao UniversityNational Natural Science Foundation of China
Mots-clésFly ashFlue gasCoalEnvironmental sciencePulverized coal-fired boilerBottom ashGypsumWaste managementFluidized bed combustionAir pollutionMetallurgyChemistryMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Lead (Pb) emissions into the atmosphere from anthropogenic sources have attracted considerable attention due to lead’s high toxicity and associated human health and environmental impacts. Pb emission inventories need to be updated considering the development of modern industry as well as the transformation and upgrading of industrial equipment in recent years. Coal-fired power plants (CFPPs) have been an important source of atmospheric Pb emission in China since the late 1990s, while tremendous advantages have been achieved in the air-pollution control devices (APCDs) in the most recent two decades. In this study, Pb emissions from eight CFPPs, two of which have circulating fluidized bed boilers (CFB) and the others have pulverized coal fired boilers (PC), in Guizhou province, Southwest China were investigated. Solid samples including feed fuel (coal, gangue, and coal slime), limestone, bottom ash, fly ash, and gypsum, as well as stack flue gas samples were simultaneously collected for determining the internal partitioning behavior and the atmospheric emissions of Pb from these CFPPs. Pb concentrations of feed coal, limestone, bottom ash, fly ash, gypsum, and stack flue gas were in the range of 10.17–30.94, 0.36–3.08, 7.75–27.10, 33.56–73.16, 0.34–2.18 mg·kg–1, and 0.33–1.58 μg·Nm−3, respectively. The mass balance (output/input) ratio of Pb was in the range of 83.73–124.95%, with input dominated by the feed coal (95.89–99.96%) and output by fly ash (73.17–97.54%), followed by bottom ash (2.16–26.76%) and atmospheric emissions (0.01–0.08%). More Pb ended up in PC fly ash (88.89–97.54%) than CFB fly ash (73.17–81.19%), but an opposite trend was found in the bottom ash for different boilers. Pb emission factors (EMFs) could not be differentiated significantly between PC and CFB boilers, which were in the range of 2.32–10.67 mg·t–1 fuel, 1.28–6.51 μg·(kW·h)−1, or 0.12–0.51 g·TJ–1. Atmospheric Pb emissions from Guizhou’s CFPP were estimated to be 430 ± 163 kg·y–1 in 2017, much lower than previously reported values.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,174
Écart entre enseignants0,167 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCoal and Its By-productsTravaux en français237 207